平稳时间序列的析,建模以及预测.docVIP

平稳时间序列的分析，建模以及预测 题：某化工厂生产过程中的70个产量数据 obs BF 1 47 64 23 71 38 6 64 55 41 59 48 11 71 35 57 40 58 16 44 80 55 37 74 21 51 57 50 60 45 26 57 50 45 25 59 31 50 71 56 74 50 36 58 45 54 36 54 41 48 55 45 57 50 46 62 44 64 43 52 51 38 59 55 41 53 56 49 34 35 54 45 61 68 38 50 60 39 66 59 40 57 54 23 对此时间序列的分析，本人是基于Matlab编程完成的，其具体情况如下： 1、对数据进行零均值化 % % 化工生产过程的产量数据分析 % N=70; n=[1:N]; x=[47,64,23,71,38,64,55,41,59,48,71,35,57,40,58,44,80,55,37,74,51,57,50,60,45,57,50,45,25,59, 50,71,56,74,50,58,45,54,36,54,48,55,45,57,50,62,44,64,43,52,38,59,55,41,53,49,34,35,54,45,68, 38,50,60,39,59,40,57,54,23]; y=zeros(1,70); for nn=[1:70], y(nn+1)=y(nn)+x(nn); end y=y(nn+1)/N; x1=zeros(1,N); x1=x-y; 得出均值为：51.1286，x1数组即为零均值后的数组。 2、相关函数及偏相关函数的计算 （接上面程序） R1=zeros(1,N); x2=zeros(1,N); for nn=[1:70], for ii=[1:71-nn], x2(nn)=x2(nn)+x1(ii)*x1(nn+ii-1); end end for jj=[1:70], R1(jj)=x2(jj)/N; end R2=R1; R3=zeros(1,16); for jj=[1:16] R3(jj)=R2(jj)/139.7978; end h=zeros(1,15); g=zeros(1,15); A=zeros(15); for k=[1:14], for j=[1:k], A(1,1)=R3(2); h(k)=h(k)+R3(k+2-j)*A(k,j); g(k)=g(k)+R3(j+1)*A(k,j); A(k+1,k+1)=(R3(k+2)-h(k))/(1-g(k)); A(k+1,j)=A(k,j)-A(k+1,k+1)*A(k,k+1-j); end end B=A; figure(1) set(1,Position,[10,35,350,650]) ii=[1:16]; plot(ii,R3,b); grid figure(2) jj=[1:16]; m=zeros(1,16); m(1)=1; for j=[2:16], m(j)=A(j-1,j-1); end plot(jj,m,b); grid 运行程序后得出的自相关函数偏相关函数数据如下表： =139.7978, =1 -54.5041 -0.3899 -0.3899 42.5536 0.3044 0.1797 -23.1442 -0.1656 0.0023 9.8864 0.0707 -0.0411 -13.5659 -0.0970 -0.0693 -6.5786 -0.0471 -0.1202 4.9451 0.0354 0.0198 -6.0754 -0.0435 0.0027 -0.6705 -0.0048 -0.0555 2.0121 0.0144 0.0034 15.3662 0.1099 0.1396 -9.6151 -0.0688 -0.0108 20.6949 0.1480 0.0940 5.0004 0.0358 0.1621 -0.9335 -0.0067 -0.0008 题中：n=70, =0.2390 运行程序后得出的散点图如下： 自相关散点图（R（n）为